AAI-2017

2017年度Deep Learning基礎講座（公開講座）

 

MLP・ニューラルネットワークの基礎から始まり、徐々にDeep Learningの核心的技術や最新トピックが学べるように設計された、高度なプログラムを提供します。「Practice makes perfect」の考えに基き、演習を通じての技術習得を目指します。演習では、ブラウザ上からGPUを利用したPythonコーディングが可能な開発環境「ilect.net」を提供しており、本題に集中して学習できます（ilectの詳細はこちら）。教科書として「深層学習」（機械学習プロフェッショナルシリーズ）を利用しますので受講者は必ず用意して受講に臨んでください。尚、本講座は自主講義であり、大学からは単位は出ませんのでご了承ください。

  • 日時：毎週火曜日　第４時限（１４：５５～１６：４０）
  • 場所：東京大学工学部２号館2階223号講義室（大学院授業と同時開催。公開講座は遠隔での実施となります）
  • 対象：社会人および東京大学の学生（学部生優先）
  • 本公開講座は国立研究開発法人新エネルギー・産業技術総合開発機構（ＮＥＤＯ）の委託業務の一環として実施しています。
登録申し込み

2017年度のハイライト

 

  • 受け入れ受講者数の増加
  • 秋には応用講座を開設予定
  • TensorFlowを中心とした新演習コンテンツ
  • Attentionモデルなどの新しい内容の追加，NLPトピックの拡充（予定）

目次

（内容は調整中で、変更される可能性があります）

  1. Introduction
    内容：Deep Learningとは/人工知能技術の歴史、社会への影響/講義全体像と注意事項/ 全員挨拶
    日付：2017/4/11
  2. Machine Learning 1
    内容：Pythonと線形代数，行列・テンソル，数式と実装のブリッジ
    日付：2017/4/18
  3. Machine Learning 2
    内容：k-NN, Logistic Regression, Softmax, train/dev/testデータセット,学習プロセス
    日付：2017/4/25
  4. Perceptron + Feed Forward Network, Gradient Descent
    内容：Gradient Descent, MLP, Logistic Regression, Softmax
    日付：2017/5/2
  5. Gradient Descent, Stochastic Gradient Descent, Optimizers
    内容：TensorFlow基礎、各種Optimizers、重みの初期化など
    日付：2017/5/9
  6. Autoencoders
    内容：Deep Learning、特徴抽出、Autoencoder概要、dA, SdA, Sparse Coding, GPU
    日付：2017/5/16
  7. Convolutional Neural Networks(CNN)
    内容：CNN基礎、畳込み、プーリング
    日付：2017/5/23
  8. Convolutional Neural Networks(CNN) 2
    内容：画像処理、前処理、Data Augmentation、Batch Normalization、可視化、最新動向
    日付：2017/6/6
  9. RNN Basics
    内容：系列データ, RNN
    日付：2017/6/13
  10. RNN and NLP
    内容：Embedding, Projection, Word2vec, sequence-to-sequence
    日付：2017/6/20
  11. RNN, NLP, Image Processing
    内容：Attention, Image caption
    日付：2017/6/27
  12. Summary and Advanced Topics
    内容：Advanced Topics
    日付：2017/7/4
Copyright © 2017 Deep Learning JP. All Rights Reserved.